11_简书业务分析

在这里插入图片描述


博文配套视频课程:24小时实现从零到AI人工智能


简书结构分析

在这里插入图片描述

创建简书爬虫项目

C:\Users\Administrator\Desktop>scrapy startproject jianshu
New Scrapy project 'jianshu', using template directory 'd:\anaconda3\lib\site-packages\scrapy\templates\project', created in:
    C:\Users\Administrator\Desktop\jianshu

You can start your first spider with:
    cd jianshu
    scrapy genspider example example.com

创建crawl解析器

之前创建的spider解析器采用都是basic模板,这次爬虫是要下载简书文章,需要支持正则表达式匹配,因此建议采用crawl模板来创建spider解析器

C:\Users\Administrator\Desktop>cd jianshu

C:\Users\Administrator\Desktop\jianshu>scrapy genspider -t crawl jianshu_spider jianshu.com
Created spider 'jianshu_spider' using template 'crawl' in module:
  jianshu.spiders.jianshu_spider

配置简书下载格式

# -*- coding: utf-8 -*-
import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule

class JianshuSpiderSpider(CrawlSpider):
    name = 'jianshu_spider'
    allowed_domains = ['jianshu.com']
    start_urls = ['https://www.jianshu.com/']

    # 可以指定爬虫抓取的规则,支持正则表达式
    # https://www.jianshu.com/p/df7cad4eb8d8
    # https://www.jianshu.com/p/07b0456cbadb?*****
    # https://www.jianshu.com/p/.*
    rules = (
        Rule(LinkExtractor(allow=r'https://www.jianshu.com/p/[0-9a-z]{12}.*'), callback='parse_item', follow=True),
    )
    # name = title = url = collection = scrapy.Field()
    def parse_item(self, response):
        print(response.text)

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值